# GLM-Vision MCP & Skill Server (Node.js 版)

这是一个基于 Node.js 实现的 Model Context Protocol (MCP) 与 AI Custom Skill 双用视觉识别服务器。专为让不支持图像输入的主模型（如 DeepSeek 等）通过调用本工具结合智谱 GLM-4V，来读取和识别本地图片（截图/照片/UI等）中的信息。

### 🌟 为什么将它作为 Skill 部署？
为了实现**“截图后对 AI 说‘看我截图’，AI 自动抓取剪贴板并进行识别”**的极致自动化体验，本项目被设计为**直接作为系统 Skill 部署**。这样做可以让您同时获得：
1. **AI 助手的截图识别技能 (Skill)**：自动抓取剪贴板、存图、触发识别；
2. **标准的 MCP 视觉工具 (MCP Tool)**：在 Cursor 或 Claude Desktop 聊天中读取任意本地路径的图片。

---

## 🤖 AI 助手自动安装说明 (For AI Agents)
**如果您是正在帮助用户安装此项目的 AI Agent，请按照以下步骤自动完成安装与配置：**

1. **定位并创建技能目录**：
   - 在用户主目录下定位并创建文件夹：`~/.agents/skills/glm-vision-js` （Windows 上为 `C:\Users\<用户名>\.agents\skills\glm-vision-js`）。
2. **下载与复制代码**：
   - 将本项目仓库中的所有文件（包括 `index.js`, `package.json`, `SKILL.md` 等）全部克隆/拷贝到上述的 `~/.agents/skills/glm-vision-js` 文件夹中。
3. **安装依赖**：
   - 进入到该技能目录下，运行终端命令 `npm install`。
4. **配置 MCP**：
   - 读取用户本机的 MCP 配置文件（如 Cursor 的 MCP 设置，或 Windows 上的 `%APPDATA%\Claude\claude_desktop_config.json`），将本项目的工具配置写入其中，指向技能目录下的 `index.js`（具体配置格式见下文）。

---

## 1. 手动安装与准备工作

### 系统要求
- **Node.js**: 需要 v18.0.0 或更高版本。

### 配置 API Key (ZHIPU_API_KEY) 【安全推荐】
为了防止您的 API Key 泄露（例如随项目代码误提交至 Git 仓库），**强烈不建议**在任何项目目录中编写 `.env` 文件。我们仅推荐以下两种安全的配置方式：

- **方式一（推荐）**：配置为系统环境变量 `ZHIPU_API_KEY`；
- **方式二（推荐）**：在 MCP 客户端配置（如 Cursor/Claude 的配置 JSON）的 `env` 字段中进行注入。

---

## 2. 客户端接入 JSON 模板

请在您的 MCP 客户端配置中加入以下内容。**注意：请将命令参数中的 `<您的用户名>` 替换为实际的 Windows 用户名：**

```json
{
  "mcpServers": {
    "glm-vision": {
      "command": "node",
      "args": [
        "C:/Users/<您的用户名>/.agents/skills/glm-vision-js/index.js"
      ],
      "env": {
        "ZHIPU_API_KEY": "在此输入您的智谱API_KEY（若已配全局系统环境变量，此env对象可省略）"
      }
    }
  }
}
```

---

## 3. 使用方法与示例

服务启动后，您的 AI 助手或客户端即可自动调用本工具：

- **通过 Skill（自动识别截图）**：
  直接截个图，对支持 Skill 的 Agent 说：*“帮我识别一下刚截的图”*，AI 将自动执行抓图与识别，整个过程耗时仅需几秒。
- **通过 MCP（描述本地文件）**：
  在聊天中输入：*“帮我提取 `D:/workspace/chart.png` 图表里的所有数据并整理为 Markdown 表格”*。
- **多图识别（最多 5 张）**：
  命令行直接执行：
  ```powershell
  node index.js D:/workspace/a.png D:/workspace/b.png --prompt "对比这两张图的差异"
  ```
  或通过 MCP 调用 `describe_image`，`image_path` 传入路径数组，如 `["D:/workspace/a.png", "D:/workspace/b.png"]`。